ANALISA KINERJA AGENT PADA CALL CENTER PT.INDOSAT,Tbk DENGAN IMPLEMENTASI DATA MINING CLUSTERING METODE K-MEANS
|
|
- Shinta Hartanto
- 7 tahun lalu
- Tontonan:
Transkripsi
1 ANALISA KINERJA AGENT PADA CALL CENTER PT.INDOSAT,Tbk DENGAN IMPLEMENTASI DATA MINING CLUSTERING METODE K-MEANS Nanda Kirana, Mike Yuliana, Nur Rosyid Mubtada i. Politeknik Elektronika Negeri Surabaya Institut Teknologi Sepuluh Nopember Surabaya (ITS) Kampus ITS Keputih - Sukolilo, Surabaya kirana@student.eepis-its.edu, mieke@eepis-its.edu, rosyid@eepis-its.edu Abstrak Seiring dengan perkembangan Teknologi Telekomunikasi yang semakin pesat, kebutuhan akan konsep dan mekanisme dalam suatu call centre pada tiap-tiap provider telepon sangat diperlukan. Dimana dalam suatu call centre, bagian yang paling penting adalah agent (operator) yang bertugas untuk menerima panggilan telepon pada call centre tersebut. Untuk itulah disini diperlukan suatu kinerja yang baik dari seorang agent pada sebuah call center. Pada proyek akhir ini akan dilakukan analisa kinerja agent terhadap suatu implementasi datamining clustering dengan metode, yang dikombinasikan dengan bahasa pemrograman Java dan database MySQL. Dimana kinerja tersebut dilihat dari nilai dua buah parameter performansi yakni average call dan quality service. Dari hasil pengujian pengelompokkan (clustering) yang telah dilakukan dengan perhitungan berdasarkan standarisasi PT.Indosat,Tbk serta perhitungan menggunakan metode k-means dapat dikatakan bahwa performansi kinerja call center agent pada PT.Indosat,Tbk mengalami peningkatan. Dimana dengan menggunakan perhitungan berdasarkan standarisasi PT.Indosat,Tbk pada tahun 2008 jumlah rata-rata call center agent yang memiliki kriteria kinerja baik hanya mencapai 12%, pada tahun 2009 meningkat hingga menjadi 17%, serta jumlah rata-rata call center agent yang memiliki kriteria kinerja buruk pada tahun 2008 mencapai 16%, pada tahun 2009 menurun hingga menjadi 13%. Sedangkan dengan menggunakan perhitungan metode k-means pada tahun 2008 jumlah rata-rata call center agent yang memiliki kriteria kinerja baik hanya mencapai 42%, pada tahun 2009 meningkat hingga menjadi 44%. Bila dilihat dari waktu eksekusi yang didapatkan baik dengan perhitungan berdasarkan standarisasi PT.Indosat,Tbk maupun metode k-means untuk proses clustering 50 call center agent dapat diketahui bahwa dengan metode k-means waktu eksekusi yang dibutuhkan untuk proses clustering lebih cepat yakni sekitar 55 detik. Sedangkan waktu eksekusi yang dibutuhkan saat proses clustering dengan perhitungan berdasarkan standarisasi PT.Indosat,Tbk yakni sekitar kurang lebih selama 57 detik. Kata Kunci: Call Centre, (Operator), Average Call,,. I. PENDAHULUAN Pada umumnya sebuah provider pasti menyediakan suatu fasilitas bagi pelanggan untuk melakukan komunikasi secara langsung dengan customer service pada provider tersebut dengan cara mengakses suatu nomor tertentu. Dimana orang yang menerima panggilan tersebut biasa disebut dengan call centre agent (operator). Untuk menganalisa kinerja call centre agent disini akan dilihat dari nilai standartisasi performance kinerja masing-masing parameter yakni average call dan quality service. Quality service disini meliputi telephony skill, product knowledge, dan voice technique dari masingmasing call centre agent. Sedangkan untuk average call dapat dihitung dengan perumusan yakni jumlah hold call dibagi dengan waktu login agent. Pada proyek akhir ini akan dibuat analisa kinerja call centre agent dimana untuk pengelompokannya digunakan metode clustering k-means. Sehingga upaya untuk memonitoring performance kinerja call centre agent dapat menjadi lebih mudah dan praktis. II. DASAR TEORI II.1. Parameter Pendukung Performance Kinerja Call Centre Untuk mengukur performansi kinerja dari seorang call center agent pada tugas akhir ini adalah dengan melihat nilai dari parameter average call serta quality service [1]. a. Average Call Average call merupakan rata-rata panggilan yang diterima pada saat seorang call center agent masih berada pada kondisi login. Sehingga untuk perhitungannya dapat dilakukan dengan menggunakan rumus : Average Call = (1) Dimana maksud dari rumus diatas adalah sebagai berikut : 1
2 Avg N > 15 merupakan nilai rata-rata N Inbound (panggilan masuk) yang didapatkan oleh masingmasing call center agent dan yang terjadi selama lebih dari 15 detik (sekon). Sedangkan Avg Login Time merupakan nilai rata-rata dari waktu login masing-masing call center agent. Tabel 1. Contoh tabel parameter average call. Login Time N Inbound Average Call Dari tabel tersebut Login Time disini merupakan hasil konversi waktu yang awalnya dalam satuan jam menjadi satuan detik (sekon). Sehingga dengan demikian baru bisa dihitung nilai Average Call dengan menggunakan rumus (1). Dimana untuk clustering call center agent itu sendiri memiliki nilai standarisasi sebagai berkut : Tabel 2. Nilai Standarisasi Call Centre berdasarkan Parameter Average Call Nilai Average Call Konversi Kriteria > Baik Sedang Buruk b. Quality service merupakan kualitas yang dimiliki oleh masing-masing call center agent. Dimana penilaiannya berdasarkan pada parameter telephony skill, product knowledge serta voice technique. Adapun perumusannya dapat dilakukan segai berikut : = ts + pk + vt...(2) Dengan : ts = telephony skill pk = product knowledge vs = voice technique. Berikut adalah contoh hasil dari parameter quality service pada masing-masing call center agent. Tabel 3. Contoh tabel parameter quality service. Telephony Product Voice Skill Knowledge Technique Dari tabel tersebut nilai telephony skill, product knowledge, dan voice technique didapatkan dari penilaian rekaman yang di record oleh bagian QSM. Sehingga dengan demikian baru bisa dihitung nilai dengan menggunakan rumus (3). Dimana untuk clustering call center agent itu sendiri memiliki nilai standarisasi sebagai berkut : Tabel 4. Nilai Standarisasi Call Centre berdasarkan Parameter Nilai Konversi Kriteria Baik Sedang < Buruk Sehingga dari kedua tabel standarisasi yakni tabel 2 dan tabel 4 akan dihasilkan pengelompokan agent berdasarkan kriteria kinerjanya dengan menggunakan rumus : Performance = (konv.qs + konv.av)...(3) 2 Dengan : konv.qs = nilai konversi dari parameter konv.av = nilai konversi dari parameter Average Call II.2. K-means adalah clustering berbasis jarak yang membagi data kedalam cluster dan algoritma ini bekerja pada attribut numerik. termasuk dalam partitioning clustering yang memisahkan data ke k daerah bagian yang terpisah [3]. sangat terkenal karena kemudahan dan kemampuannya untuk mengklaster data besar dan outlier dengan sangat cepat [4]. Dalam metode setiap data harus termasuk ke cluster tertentu pada suatu tahapan proses, pada tahapan proses berikutnya dapat berpindah ke cluster yang lain. Dimana bentuk kanonik k-means mendefinisikan ukuran kesamaan menggunakan metrik Euclidean, sebagaimana perumusannya dituliskan sebagai berikut [2] : x d ij = ( x ik - x jk ) 2... (4) k=1 III. PENGUJIAN DAN ANALISA III.1. PENGUJIAN DAN ANALISA PERFORMANSI CALL CENTER AGENT BERDASARKAN NILAI PARAMETER AVERAGE CALL DAN QUALITY SERVICE Dari hasil pengujian, kita akan mendapatkan nilai rata-rata hasil perhitungan untuk masing-masing parameter yakni parameter average call dan quality service sesuai dengan rumus (1) dan rumus (2). Dimana pada tahun 2008 dan 2009 didapatkan rata-rata nilai parameter average call seperti yang ditunjukkan pada gambar grafik sebagai berikut : 2
3 Gambar 1. Grafik Rata-rata Parameter Average Call Dari gambar grafik diatas dapat dikatakan bahwa performansi kinerja agent mengalami peningkatan jika dilihat dari nilai parameter average call. Dimana pada tahun 2008 maksimal hanya mencapai nilai meningkat hingga mencapai nilai pada tahun Sedangkan pada tahun 2008 dan 2009 didapatkan rata-rata nilai parameter quality service seperti pada gambar grafik sebagai berikut : Gambar 2. Grafik Rata-rata Parameter Dari gambar grafik diatas dapat dikatakan bahwa performansi kinerja agent mengalami peningkatan jika dilihat dari nilai parameter quality service. Dimana pada tahun 2008 maksimal nilai yang didapatkan hanya mencapai 88.62, meningkat hingga mencapai nilai pada tahun III.2. PENGUJIAN DAN ANALISA CLUSTERING KINERJA CALL CENTER AGENT BERDASARKAN PERFORMANSI PARAMETER DENGAN METODE K-MEANS DAN PERHITUNGAN MANUAL Dari hasil pengujian, kita akan mendapatkan hasil clustering baik dengan perhitungan secara manual sesuai dengan standarisasi PT.Indosat,Tbk (3) dan dengan perhitungan metode k-means sesuai dengan rumus (4). Sehingga pada tahun 2008 didapatkan ratarata clustering performansi kinerja agent baik dengan perhitungan metode k-means maupun dengan perhitungan yang sesuai dengan standarisasi PT.Indosat,Tbk seperti tabel 4 sebagai berikut : Tabel 4. Tabel Perbandingan Clustering Kinerja Dengan Perhitungan Dan Tahun 2008 Perbandingan Clustering Kinerja Dengan Perhitungan Dan Tahun 2008 Bulan Baik Perhitungan Sedang Buruk Sedangkan pada tahun 2009 didapatkan rata-rata clustering performansi kinerja agent baik dengan perhitungan metode k-means maupun dengan perhitungan yang sesuai dengan standarisasi PT.Indosat,Tbk sebagai berikut : Tabel 5. Tabel Perbandingan Clustering Kinerja Dengan Perhitungan Dan Tahun 2009 Bila dilihat dari tabel 4 dan tabel 5 akan didapatkan gambar grafik prosentase tahunan perbandingan hasil masing-masing proses clustering dengan perhitungan manual dan clustering dengan metose k-means seperti gambar 3 berikut ini : Perhitungan Baik Sedang Buruk Januari Februari Maret April Mei Juni Juli Agustus September Oktober November Desember Rata-rata Perbandingan Clustering Kinerja Dengan Perhitungan Dan Tahun 2009 Bulan Baik Perhitungan Sedang Buruk Perhitungan Baik Sedang Buruk Januari Februari Maret April Mei Juni Juli Agustus September Oktober November Desember Rata-rata
4 Gambar 3. Grafik Perbandingan Prosentase Clustering Call Center Dengan Perhitungan Tabel 6. Tabel Waktu Eksekusi Untuk 50 Orang Call Center Rata-rata Gambar 4. Grafik Perbandingan Prosentase Clustering Call Center Dengan Dari gambar 3 dan gambar 4 dapat dilihat bahwa nilai prosentase kinerja call center agent dari tahun 2008 mengalami peningkatan pada tahun Hal ini terbukti dengan semakin banyaknya jumlah call center agent yang memiliki kriteria performansi kinerja baik. Dimana dari proses perhitungan clustering secara manual pada tahun 2008 dihasilkan sekitar 12% jumlah call center agent yang memiliki kriteria baik meningkat hingga menjadi 17% pada tahun Begitu juga halnya dari hasil perhitungan clustering dengan menggunakan metode k- means, dimana pada tahun 2008 terdapat sekitar 42% jumlah call center agent yang memiliki kriteria baik meningkat hingga menjadi 44% pada tahun III.3. PENGUJIAN DAN ANALISA WAKTU EKSEKUSI PROGRAM Pada tugas akhir ini akan dilakukan juga analisa terhadap waktu eksekusi (running) program. Dimana masing-masing waktu eksekusi yang akan diamati tergantung dari jumlah call cener agent yang ingin dikelompokkan. Pada tugas akhir ini akan diamati masing-masing waktu eksekusi mulai dari jumlah call center agent 50 orang, jumlah call center agent 40 orang, jumlah call center agent 30 orang serta yang terakhir adalah jumlah call center agent 20 orang. Dimana pengujian untuk masing-masing waktu eksekusi tersebut dilakukan sebanyak sepuluh kali. Sehingga untuk analisa waktu eksekusi ini didapatkan masing-masing tabel yakni sebagai berikut : Tabel 7. Tabel Waktu Eksekusi Untuk 40 Orang Call Center Rata-rata Tabel 8. Tabel Waktu Eksekusi Untuk 30 Orang Call Center Rata-rata Tabel 9. Tabel Waktu Eksekusi Untuk 20 Orang Call Center Rata-rata
5 Dari tabel 6 hingga tabel 9 dapat dilihat bahwa semakin banyak call center agent yang akan dikelompokkan akan semakin lama juga waktu eksekusi yang dibutuhkan. Dimana dari masing-masing pengujian yang telah dilakukan akan didapatkan rata-rata waktu eksekusi untuk jumlah call center agent 50 orang bila di clustering dengan perhitungan manual adalah sekitar 57 sekon dan bila di clustering dengan menggunakan metode k-means adalah sekitar 55 sekon. Sedangkan rata-rata waktu eksekusi untuk jumlah call center agent 40 orang bila di clustering dengan perhitungan manual adalah sekitar 46 sekon dan bila di clustering dengan menggunakan metode k-means adalah sekitar 44 sekon. Untuk jumlah call center agent 30 orang bila di clustering dengan perhitungan manual akan didapatkan rata-rata waktu eksekusi adalah sekitar 31 sekon dan bila di clustering dengan menggunakan metode k-means adalah sekitar 29 sekon. Sedangkan untuk jumlah call center agent 20 orang bila di clustering dengan perhitungan manual akan didapatkan rata-rata waktu eksekusi adalah sekitar 24 sekon dan bila di clustering dengan menggunakan metode k-means adalah sekitar 22 sekon. Sehingga didapatkan juga tampilan grafik sebagai berikut : Gambar 5. Grafik Rata-rata Waktu Eksekusi Berdasarkan Call Center KESIMPULAN Setelah melakukan pengujian dan analisa pada sistem perhitungan performansi call center agent berdasarkan nilai dari beberapa parameter diperoleh kesimpulan sebagai berikut : 1. Dari hasil pengujian pengelompokkan (clustering) yang telah dilakukan dengan perhitungan manual serta perhitungan menggunakan metode k-means dapat dikatakan bahwa performansi kinerja call center agent pada PT.Indosat,Tbk mengalami peningkatan. Dimana dengan menggunakan perhitungan manual, pada tahun 2008 jumlah rata-rata call center agent yang memiliki kriteria kinerja baik hanya mencapai 12% meningkat hingga menjadi 17% pada tahun 2009, serta jumlah rata-rata call center agent yang memiliki kriteria kinerja buruk pada tahun 2008 mencapai 16% menurun hingga menjadi 13% pada tahun Sedangkan dengan menggunakan perhitungan metode k-means pada tahun 2008 jumlah rata-rata call center agent yang memiliki kriteria kinerja baik hanya mencapai 42% meningkat hingga menjadi 44% pada tahun Bila dilihat dari waktu eksekusi yang didapatkan baik dengan perhitungan manual maupun metose k-means untuk proses clustering 50 call center agent dapat diketahui bahwa dengan metode k-means waktu eksekusi yang dibutuhkan untuk proses clustering lebih cepat yakni sekitar 55 detik. Sedangkan waktu eksekusi yang dibutuhkan saat proses clustering dengan perhitungan manual yakni sekitar kurang lebih selama 57 detik. DAFTAR PUSTAKA [1] Dawson Keith, The Call Center Handbook, Jakarta, [2] Ali Ridho Barakbah, Clustering, Modul Ajar, PENS-ITS, [3] Joko Prasetyo, Clustering Fitur Suara Vokal Pada Bahasa Indonesia Menggunakan, Proyek Akhir PENS- ITS, [4] Aang Kunaifi, Klasifikasi Berbahasa Indonesia Menggunakan Text Mining Dan Algoritma, Proyek Akhir, PENS- ITS,
IMPLEMENTASI METODE SINGLE LINKAGE UNTUK MENENTUKAN KINERJA AGENT PADA CALL CENTRE BERBASIS ASTERISK FOR JAVA
IMPLEMENTASI METODE SINGLE LINKAGE UNTUK MENENTUKAN KINERJA AGENT PADA CALL CENTRE BERBASIS ASTERISK FOR JAVA Beni Ilham Priyambodo 7207040026 DosenPembimbing: 1.Mike Yuliana, ST, MT. NIP. 197811232002122009
Lebih terperinciModel Klasifikasi Trafik Untuk Jaringan 3G Menggunakan Metode Discriminant Analysis
Model Klasifikasi Trafik Untuk Jaringan 3G Menggunakan Metode Discriminant Analysis Fitri Puspitasari Putri, Mieke Yuliana, ST.MT, Ronny Susetyoko Ssi.Msi Jurusan Teknik Telekomunikasi - Politeknik Elektronika
Lebih terperinciIMPLEMENTASI METODE SINGLE LINKAGE UNTUK MENENTUKAN KINERJA AGENT PADA CALL CENTRE BERBASIS ASTERISK FOR JAVA
IMPLEMENTASI METODE SINGLE LINKAGE UNTUK MENENTUKAN KINERJA AGENT PADA CALL CENTRE BERBASIS ASTERISK FOR JAVA Beni Ilham Priyambodo, Mike Yuliana, ST, MT, Nur Rosyid Mubtada I, S. Kom Jurusan Teknik Telekomunkasi
Lebih terperinciAnalisa Performansi Call Center PT. Indosat, Tbk Dengan Menggunakan Formula Erlang C
The 13 th Industrial Electronics Seminar 2011 (IES 2011) Electronic Engineering Polytechnic Institute of Surabaya (EEPIS), Indonesia, October 26, 2011 Analisa Performansi Call Center PT. Indosat, Tbk Dengan
Lebih terperinciPENENTUAN KEMIRIPAN TOPIK PROYEK AKHIR BERDASARKAN ABSTRAK PADA JURUSAN TEKNIK INFORMATIKA MENGGUNAKAN METODE SINGLE LINKAGE HIERARCHICAL
PENENTUAN KEMIRIPAN TOPIK PROYEK AKHIR BERDASARKAN ABSTRAK PADA JURUSAN TEKNIK INFORMATIKA MENGGUNAKAN METODE SINGLE LINKAGE HIERARCHICAL Nur Rosyid M, Entin Martiana, Damitha Vidyastana, Politeknik Elektronika
Lebih terperinciAnalisa Perbandingan Clustering Metode Manual Dan Metode Single Linkage Untuk Menentukan Kinerja Agent Pada Call Centre Berbasis Asterisk For Java
The 13 th Industrial Electronics Seminar 2011 (IES 2011) Electronic Engineering Polytechnic Institute of Surabaya (EEPIS), Indonesia, October 26, 2011 Analisa Perbandingan Clustering Metode Manual Dan
Lebih terperinciImplementasi MeetMe Rooms Untuk Layanan Conference Berbasis Asterisk for Java
Implementasi MeetMe Rooms Untuk Layanan Conference Berbasis Asterisk for Java Akhmad Danyal 1, Mike Yuliana 2, Arifin 2, 1 Mahasiswa Politeknik Elektronika Negeri Surabaya, Jurusan Teknik Telekomunikasi
Lebih terperinciAnalisa Performansi Dan Peramalan Call Center PT.INDOSAT, Tbk dengan Menggunakan Formula Erlang C
Analisa Performansi Dan Peramalan Center PT.INDOSAT, Tbk dengan Menggunakan Formula Erlang C Rara Karismawati, Mieke Yuliana, ST.MT, Reni Soelistijorini, B.Eng, MT Jurusan Teknik Telekomunkasi - Politeknik
Lebih terperinciPENGGUNAAN METODE PENGKLASTERAN UNTUK MENENTUKAN BIDANG TUGAS AKHIR MAHASISWA TEKNIK INFORMATIKA PENS BERDASARKAN NILAI
PENGGUNAAN PENGKLASTERAN UNTUK MENENTUKAN BIDANG TUGAS AKHIR MAHASISWA TEKNIK INFORMATIKA PENS BERDASARKAN NILAI Entin Martiana S.Kom,M.Kom, Nur Rosyid Mubtada i S. Kom, Edi Purnomo Jurusan Teknik Informatika
Lebih terperinciAnalisa Performansi Dan Peramalan Call Center PT.INDOSAT, Tbk dengan Menggunakan Formula Erlang C
Analisa Performansi Dan Peramalan Call Center PT.INDOSAT, Tbk dengan Menggunakan Formula Erlang C Oleh: Rara Karismawati NRP.7207040019 1 Pembimbing: Mike Yuliana, ST, MT NIP. 197811232002122009 Reni Soelistijorini,
Lebih terperinciTEMU KEMBALI INFORMASI BERDASARKAN LOKASI PADA DOKUMEN YANG DIKELOMPOKKAN MENGGUNAKAN METODE CENTROID LINKAGE HIERARCHICAL
TEMU KEMBALI INFORMASI BERDASARKAN LOKASI PADA DOKUMEN YANG DIKELOMPOKKAN MENGGUNAKAN METODE CENTROID LINKAGE HIERARCHICAL Nadia Damayanti 1, Nur Rosyid Mubtada i, S.Kom, M.Kom 2, Afrida Helen S.T, M.Kom
Lebih terperinciIMPLEMENTASI ADVANCED CALL DISTRIBUTIONS (ACD) PADA INBOUND CALLS BERBASIS VoIP
IMPLEMENTASI ADVANCED CALL DISTRIBUTIONS (ACD) PADA INBOUND CALLS BERBASIS VoIP Khusnul Sholikah, Mike Yuliana,ST MT, Arifin, ST.MT Jurusan Teknik Telekomunkasi - Politeknik Elektronika Negeri Surabaya
Lebih terperinciKlasifikasi Daun Dengan Centroid Linked Clustering Berdasarkan Fitur Bentuk Tepi Daun
Klasifikasi Daun Dengan Centroid Linked Clustering Berdasarkan Fitur Bentuk Tepi Daun Febri Liantoni 1, Nana Ramadijanti, Nur Rosyid Mubtada i 3 Politeknik Elektronika Negeri Surabaya Institut Teknologi
Lebih terperinciSISTEM INFORMASI PENERBANGAN (AIRLINES) BERBASIS BREW DAN BROADCAST SMS
SISTEM INFORMASI PENERBANGAN (AIRLINES) BERBASIS BREW DAN BROADCAST SMS Wida Ekiyanti Putri, Mike Yuliana, EkoAdi Setiawan Mahasiswa Politeknik Elektronika Negeri Surabaya, Jurusan Teknik Telekomunikasi
Lebih terperinciRANCANG BANGUN VISUALISASI CALL SETUP UNTUK MODUL PEMBELAJARAN SISTEM TELEPON
RANCANG BANGUN VISUALISASI CALL SETUP UNTUK MODUL PEMBELAJARAN SISTEM TELEPON Reza Akko Firmansyah, Mike Yuliana, M. Zen Samsono Hadi Jurusan Telekomunkasi - Politeknik Elektronika Negeri Surabaya Institut
Lebih terperinciREMINDER PREDIKSI HARGA SAHAM PERUSAHAAN PADA BURSA EFEK VIA SMS DAN IVR
REMINDER PREDIKSI HARGA SAHAM PERUSAHAAN PADA BURSA EFEK VIA SMS DAN IVR Bagus Prayogo Dwi B.S. 1, Prima Kristalina 2, Ronny Susetyoko 2 1 Mahasiswa Politeknik Elektronika Negeri Surabaya, Jurusan Teknik
Lebih terperinciRANCANG BANGUN SISTEM BILLING TELEPON BERBASIS VoIP
RANCANG BANGUN SISTEM BILLING TELEPON BERBASIS VoIP Diajeng Arum, Mike Yuliana, Prima Kristalina, Mahasiswa Politeknik Elektronika Negeri Surabaya, Jurusan Teknik Telekomunikasi Dosen Politeknik Elektronika
Lebih terperinciBAB I PENDAHULUAN BAB I PENDAHULUAN
BAB I PENDAHULUAN 1.1 Latar Belakang Telkom Flexi merupakan salah satu penyedia layanan telekomunikasi yang berkembang dengan pesat dengan memanfaatkan jaringan CDMA 2000 1x yang pada awalnya bekerja di
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Seiring dengan perkembangan jaman, komputer semakin banyak berperan di dalam kehidupan masyarakat. Hampir semua bidang kehidupan telah menggunakan komputer sebagai
Lebih terperinciDETEKSI MAHASISWA BERPRESTASI DAN BERMASALAH DENGAN METODE K- MEANS KLASTERING YANG DIOPTIMASI DENGAN ALGORITMA GENETIKA
DETEKSI MAHASISWA BERPRESTASI DAN BERMASALAH DENGAN METODE K- MEANS KLASTERING YANG DIOPTIMASI DENGAN ALGORITMA GENETIKA Akmal Hidayat 1) & Entin Martiana 2) 1) Teknik Elektro Politeknik Bengkalis Jl.
Lebih terperinciRancang Bangun Sistem Visualisasi Rute Layanan Taxi Wisata Pada Mobile Phone
Rancang Bangun Sistem Visualisasi Rute Layanan Taxi Wisata Pada Mobile Phone Fithrotin Ayu L 1, Mike Yuliana 2, M. Zen S. Hadi 2, 1 Mahasiswa Politeknik Elektronika Negeri Surabaya, Jurusan Teknik Telekomunikasi
Lebih terperinciPERAMALAN CUACA KOTA SURABAYA TAHUN 2011 MENGUNAKAN METODE MOVING AVERAGE DAN KLASIFIKASI NAIVE BAYES
PERAMALAN CUACA KOTA SURABAYA TAHUN 2011 MENGUNAKAN METODE MOVING AVERAGE DAN KLASIFIKASI NAIVE BAYES Mohammad Aminudin Jurusan Teknik Informatika, Entin Martiana K. Politeknik Elektronika Negeri Surabaya
Lebih terperinciRancang Bangun Sistem Layanan Antrian Rumah Sakit Berbasis Java
Rancang Bangun Sistem Layanan Antrian Rumah Sakit Berbasis Java Nilapuspa Fridatama 1, Anang Budikarso 2, Mike Yuliana 2, 1 Mahasiswa Politeknik Elektronika Negeri Surabaya, Jurusan Teknik Telekomunikasi
Lebih terperinciAbstrak 1. PENDAHULUAN
IMPLEMENTASI FORMULA ERLANG B UNTUK MENENTUKAN QOS (QUALITY OF SERVICE) DAN PERAMALAN DATA CALL OFFERED DENGAN RADIAL BASIS FUNCTION NETWORK PADA CALL CENTER BERBASIS ASTERISK FOR JAVA Muhammad Firdaus
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Bio Clean Laundry merupakan perusahaan yang bergerak dibidang jasa laundry. Perusahaan yang dibangun dari tahun 2009 ini terbilang cukup sukses. Saat ini, Bio Clean
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN Bab ini membahas tentang hal-hal yang menjadi latar belakang pembuatan tugas akhir, rumusan masalah, tujuan, batasan masalah, manfaat, metodologi penelitian serta sistematika penulisan
Lebih terperinciRANCANG BANGUN APLIKASI LAYANAN APLIKASI AGENT TELEFONI BERBASIS EMBEDDED EBOX-4300
RANCANG BANGUN APLIKASI LAYANAN APLIKASI AGENT TELEFONI BERBASIS EMBEDDED EBOX-4300 Fajar Baskoro 1, Achmad Subhan Khalilullah 2, 1 Mahasisawa 2 Dosen Jurusan Teknik Telekomunikasi Politeknik Elektronika
Lebih terperinciOleh: Prima Kristalina Mike Yuliana. Call Centre
Oleh: Prima Kristalina Mike Yuliana Call Centre Topik Definisi dan Arsitektur Call Center Komponen dan jenis Call Center Automatic Call Distribution Cara Menyediakan Call Center Performansi Call Center
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
7 BAB I PENDAHULUAN 1.1 Latar Belakang Beberapa institusi yang memanfaatkan sistem informasi berbasis komputer selama bertahun-tahun sudah pasti memiliki jumlah data yang cukup besar pula. Data yang dihasilkan
Lebih terperinciSistem ACD Dengan Metode Customer Weighted Priority Class (Pada Jaringan SIP)
Sistem ACD Dengan Metode Customer Weighted Priority Class (Pada Jaringan SIP) Hendrik Rudy Hadinata #1, Mike Yuliana, Achmad Subhan Politeknik Elektronika Negeri Surabaya, Institute Teknologi Sepuluh November
Lebih terperinciPENGELOMPOKAN MINAT BACA MAHASISWA MENGGUNAKAN METODE K-MEANS
Jurnal Ilmiah ILKOM Volume 8 mor (Agustus 16) ISSN: 87-1716 PENGELOMPOKAN MINAT BACA MAHASISWA MENGGUNAKAN METODE K-MEANS Widya Safira Azis 1 dan Dedy Atmajaya 1 safiraazis18@gmail.com dan dedy.atmajaya@umi.ac.id
Lebih terperinciSISTEM REKOMENDASI KURIKULUM DENGAN METODE K-MEANS CLUSTERING
SISTEM REKOMENDASI KURIKULUM DENGAN METODE K-MEANS CLUSTERING Ati Suci Dian Martha, S.Kom., M.T. 1, Dena Jatnika Kusumah 1, Program Studi Sistem Informasi, STMIK LPKIA, Bandung Jln. Soekarno Hatta No.
Lebih terperinciUKDW BAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Konsumsi, Finansial, semakin menjadi hal yang tidak dapat dipisahkan seiring terus berkembangnya suatu negara. Transaksi, jual, beli, sudah menjadi kata yang sangat
Lebih terperinciPENERAPAN ALGORITMA K-MEANS PADA SISWA BARU SEKOLAHMENENGAH KEJURUAN UNTUK CLUSTERING JURUSAN
PENERAPAN ALGORITMA K-MEANS PADA SISWA BARU SEKOLAHMENENGAH KEJURUAN UNTUK CLUSTERING JURUSAN Fauziah Nur1, Prof. M. Zarlis2, Dr. Benny Benyamin Nasution3 Program Studi Magister Teknik Informatika, Universitas
Lebih terperinciJURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-5 1
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-5 1 ANALISA PERBANDINGAN METODE HIERARCHICAL CLUSTERING, K-MEANS DAN GABUNGAN KEDUANYA DALAM MEMBENTUK CLUSTER DATA (STUDI KASUS : PROBLEM KERJA PRAKTEK JURUSAN
Lebih terperinciRancang Bangun Aplikasi Prediksi Jumlah Penumpang Kereta Api Menggunakan Algoritma Genetika
1 Rancang Bangun Aplikasi Prediksi Jumlah Penumpang Kereta Api Menggunakan Algoritma Genetika Annisti Nurul Fajriyah Politeknik Elektronika Negeri Surabaya Institut Teknologi Sepuluh Nopember (ITS) Surabaya
Lebih terperinciIMPLEMENTASI ALGORITMA GREEDY PADA LAYANAN TAKSI WISATA BERBASIS WEB
IMPLEMENTASI ALGORITMA GREEDY PADA LAYANAN TAKSI WISATA BERBASIS WEB Adi Cahyo Purnomo 1, Mike Yuliana, ST. MT. 1, Ira Prasetyaningrum, S.Si. MT. 1 Politeknik Elektronika Negeri Surabaya Institut Teknologi
Lebih terperinciAplikasi SIP Based VoIP Server Untuk Integrasi Jaringan IP dan Jaringan Teleponi di PENS - ITS
Aplikasi SIP Based VoIP Server Untuk Integrasi Jaringan IP dan Jaringan Teleponi di PENS - ITS Fahmi Alfian 1, Prima Kristalina 2, Idris Winarno 2 1 Mahasiswa Politeknik Elektronika Negeri Surabaya, Jurusan
Lebih terperinciIMPLEMENTASI PUSH DATA SERVER PADA JARINGAN SIP
IMPLEMENTASI PUSH DATA SERVER PADA JARINGAN SIP Muttaqin Hardiwansyah #1 Politeknik Elektronika Negeri Surabaya, Institute Teknologi Sepuluh November Surabaya Kampus ITS Sukolilo, Surabaya 60111, Indonesia
Lebih terperinciImplementasi Metode Kriptografi RSA Pada Priority Delaer Untuk Layanan Penjualan Dan Pemesanan Handphone Berbasis J2ME
Implementasi Metode Kriptografi RSA Pada Priority Delaer Untuk Layanan Penjualan Dan Pemesanan Handphone Berbasis J2ME Arinta Nugrahani Ayuningtyas 1 Mike Yuliana 2 M Zen Samsono Hadi 2 1 Mahasiswa Politeknik
Lebih terperinciGambar 1 Peningkatan Jumlah Mahasiswa Prodi Teknik Informatika
Jurnal ilmiah Solusi Vol. 2 No. 5 Maret 2015 Mei 2015: 9-16 ISSN:2355-1119 PENENTUAN PEMINATAN TUGAS AKHIR MAHASISWA TEKNIK INFORMATIKA UNSIKA Sofi Defiyanti Fakultas Ilmu Komputer, Universitas Singaperbangsa
Lebih terperinciSISTEM INFORMASI UNTUK DATA KECELAKAAN BERBASIS MOBILE
SISTEM INFORMASI UNTUK DATA KECELAKAAN BERBASIS MOBILE Rizka Winda Novialifiah, Arna Fahriza,S.Kom,M.Kom, Arif Basofi S.Kom,MT Mahasiswa Jurusan Teknik Informatika, Dosen Jurusan Teknik Informatika Jurusan
Lebih terperinciBAB I PENDAHULUAN. usaha jasa perjalanan wisata di Bali. Perusahaan ini melayani pelanggan
BAB I PENDAHULUAN 1.1 Latar Belakang PT. Bali Sinar Mentari adalah perusahaan yang bergerak pada bidang usaha jasa perjalanan wisata di Bali. Perusahaan ini melayani pelanggan domestik maupun mancanegara
Lebih terperinciBAB III ANALISA DAN PERANCANGAN SISTEM
BAB III ANALISA DAN PERANCANGAN SISTEM Bab ini menjelaskan tentang analisa data, rancangan sistem, dan skenario pengujian. Bagian analisa data meliputi data penelitian, analisis data, data preprocessing.
Lebih terperinciKlasterisasi Wilayah Pemasaran berdasarkan Preferensi Konsumen terhadap PT. X
Klasterisasi berdasarkan Konsumen terhadap PT. X Prasetyo, Andhika Eko Program Studi Manajemen Rekayasa Universitas Internasional Semen Indonesia Jl. Veteran Gresik, Jawa Timur 61122 E-mail: andhika.prasetyo@uisi.ac.id
Lebih terperinciJURNAL PENERAPAN COMPLETE AND AVERAGE LINKAGE PADA PEMBENTUKAN RESEARCH GROUP DOSEN
JURNAL PENERAPAN COMPLETE AND AVERAGE LINKAGE PADA PEMBENTUKAN RESEARCH GROUP DOSEN IMPLEMENTATION OF COMPLETE AND AVERAGE LINKAGE TO THE FORMATION FACULTY RESEARCH GROUP Oleh: DEVY SURYANINGTYAS 12.1.03.02.0366
Lebih terperinciRancang Bangun Sistem Pelacakan Obyek Menggunakan CCTV dan Webcam. Kampus ITS, Surabaya
Rancang Bangun Sistem Pelacakan Obyek Menggunakan CCTV dan Webcam Choirul Umul Islami 1, Mike Yuliana 2, Akuwan Shaleh 2 1 Mahasiswa Politeknik Elektronika Negeri Surabaya, Jurusan Teknik Telekomunikasi
Lebih terperinciSistem Informasi Manajemen Tugas Akhir dan Kerja Praktek Jurusan Teknik Informatika PENS-ITS Berbasis Web
Sistem Informasi Manajemen Tugas Akhir dan Kerja Praktek Jurusan Teknik Informatika PENS-ITS Berbasis Web Rizky Vickyan Kusuma 1, Ira Prasetyaningrum, S.Si, M.T, Entin Martiana K, S.Kom, M.Kom 2 Mahasiswa
Lebih terperinciRANCANG BANGUN PENCARIAN TUGAS AKHIR DENGAN METODE HILL CLIMBING AUTOMATIC CLUSTER TUGAS AKHIR
RANCANG BANGUN PENCARIAN TUGAS AKHIR DENGAN METODE HILL CLIMBING AUTOMATIC CLUSTER TUGAS AKHIR Diajukan Untuk Memenuhi Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas Muhammadiyah
Lebih terperinciANALISA PENGGUNAAN METODE FILTER BANK PADA KONVERSI SPEECH TO TEXT LAYANAN MAILBOX
1, Inovtek, Volume 4, Nomor 1, April 2014, hlm. 1-9 ANALISA PENGGUNAAN METODE FILTER BANK PADA KONVERSI SPEECH TO TEXT LAYANAN MAILBOX Reni Soelistijorini, Mike Yuliana, Rizki Nurhidayati Prodi Teknik
Lebih terperinciIMPLEMENTASI PEMESANAN BUKU SECARA ONLINE BERBASIS WEB DAN IVR
IMPLEMENTASI PEMESANAN BUKU SECARA ONLINE BERBASIS WEB DAN IVR Siti Arifah 1, Mike Yuliana 2, Hestiasari Rante 2 1 Politeknik Elektronika Negeri Surabaya, Jurusan Teknik Telekomunikasi 2 Laboratorium Digital
Lebih terperinciAPLIKASI IDENTIFIKASI ISYARAT TANGAN SEBAGAI PENGOPERASIAN E-KIOSK
APLIKASI IDENTIFIKASI ISYARAT TANGAN SEBAGAI PENGOPERASIAN E-KIOSK Wiratmoko Yuwono Jurusan Teknologi Informasi Politeknik Elektronika Negeri Surabaya-ITS Jl. Raya ITS, Kampus ITS, Sukolilo Surabaya 60111
Lebih terperinciVerifikasi Citra Wajah Menggunakan Metode Discrete Cosine Transform Untuk Aplikasi Login
The 13 th Industrial Electronics Seminar 011 (IES 011) Electronic Engineering Polytechnic Institute of Surabaya (EEPIS), Indonesia, October 6, 011 Verifikasi Citra Wajah Menggunakan Metode Discrete Cosine
Lebih terperinciDETEKSI PLAGIARISME DENGAN ALGORITMA RABIN KARP DAN ALGORITMA KLASTERISASI SUFFIX TREE PADA TEKS DOKUMEN TUGAS AKHIR
DETEKSI PLAGIARISME DENGAN ALGORITMA RABIN KARP DAN ALGORITMA KLASTERISASI SUFFIX TREE PADA TEKS DOKUMEN TUGAS AKHIR Sebagai Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas
Lebih terperinciLEARNING MANAGEMENT SYSTEM DOSENJAGA UNTUK MENGELOLA PENDIDIKAN JARAK JAUH. Abstrak
LEARNING MANAGEMENT SYSTEM DOSENJAGA UNTUK MENGELOLA PENDIDIKAN JARAK JAUH Dwi Susanto 1, Mochammad Hariadi 2, dan Surya Sumpeno 3 1 Politeknik Elektronika Negeri Surabaya (PENS) 2,3 Teknik Elektro Institut
Lebih terperinciDIAGNOSA KETERLAMBATAN PERKEMBANGAN PADA ANAK BALITA DENGAN ACUAN DENVER II DAN PENGAMBIL KEPUTUSAN DENGAN METODE DECISION TREE BERBASIS JSP
DIAGNOSA KETERLAMBATAN PERKEMBANGAN PADA ANAK BALITA DENGAN ACUAN DENVER II DAN PENGAMBIL KEPUTUSAN DENGAN METODE DECISION TREE BERBASIS JSP Endah Rakhmawati 1, Entin Martiana K, M.Kom 2, Nur Rosyid Mubtadai,
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang PT. LINKIT360 adalah perusahaan yang bergerak dibidang Teknologi Informasi dan Komunikasi. Saat ini PT. LINKIT360 sudah menjalankan bisnis di 7 negara. Salah satu jenis
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Penyimpanan dokumen secara digital berkembang dengan pesat seiring meningkatnya teknologi. Kondisi tersebut memunculkan masalah untuk mengakses informasi yang diinginkan
Lebih terperinciIntegrasi Aplikasi Voice Over Internet Protocol (VOIP) Dengan Learning Management System (LMS) Berbasis
Integrasi Aplikasi Voice Over Internet Protocol (VOIP) Dengan Learning Management System (LMS) Berbasis Moodle Sebagai Metode Pembelajaran Jarak Jauh Pada Institusi Pendidikan Esther Sondang Saragih NRP
Lebih terperinciMEYLINDRA ARINI PERMATADEVI Dosen Pembimbing: Rully Agus Hendrawan, S.Kom, M.Eng Irmasari Hafidz, S.Kom, M.Sc
KARAKTERISTIK PELANGGAN TELEPON KABEL MENGGUNAKAN KLASTERING SOM DAN K- MEANS UNTUK MENGURANGI KESALAHAN KLASIFIKASI PELANGGAN DARI ERUSAHAAN TELEKOMUNIKASI (STUDI KASUS: PT. TELKOM MOJOKERTO) MEYLINDRA
Lebih terperinciJURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: A-521
JURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: 2301-9271 A-521 Analisa Perbandingan Metode Hierarchical Clustering, K-means dan Gabungan Keduanya dalam Cluster Data (Studi kasus : Problem Kerja Praktek Jurusan
Lebih terperinciJURNAL TEKNIK ITS Vol. 6, No. 2, (2017) ISSN: ( Print) A-664
JURNAL TEKNIK ITS Vol. 6, No. 2, (2017) ISSN: 2337-3539 (2301-9271 Print) A-664 Rancang Bangun Pixel Art Converter Menggunakan Segmentasi berbasis K-means Clustering Yuna Sugianela, Nanik Suciati, dan
Lebih terperinciBAB I PENDAHULUAN. penggunaan jasa informasi dan komunikasi data. aplikasi komunikasi data yang mebutuhkan bandwidth besar
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi, khususnya di era modern dan globalisasi, sekarang ini tidak dapat dielakkan lagi. Untuk dapat bertahan di dunia bisnis, suatu perusahaan harus
Lebih terperinciWawancara. M. Asih bagian Customer Relation Officer) dengan kerja sama antara Rajawali Group pemegang saham PT
Wawancara 1. Bagaimana profil singkat PT. XL Axiata? (2 Desember 2010 dengan Endah M. Asih bagian Customer Relation Officer) Jawaban : PT. XL Axiata Tbk. ("XL") didirikan pada tanggal 8 Oktober 1989 dengan
Lebih terperinciSISTEM INFORMASI PERUSAHAAN DAERAH PASAR SURYA SURABAYA
SISTEM INFORMASI PERUSAHAAN DAERAH PASAR SURYA SURABAYA Surya Prasetiaji¹,Arna Fariza², Arif Basofi.² Mahasiswa Jurusan Teknik Informatika 1, Dosen Pembimbing 2 Politeknik Elektronika Negeri Surabaya Institut
Lebih terperinciEKSTRAKSI FITUR SITUS BERITA ONLINE UNTUK KALEIDOSKOP BERITA TAHUNAN
EKSTRAKSI FITUR SITUS BERITA ONLINE UNTUK KALEIDOSKOP BERITA TAHUNAN Afri Yosela Putri 1, Faisal Rahutomo 2, Ridwan Rismanto 3 1, 2, 3 Jurusan Teknologi Informasi, Program Studi Teknik Informatika, Politeknik
Lebih terperinciPENERAPAN ALGORITMA K-MEANS UNTUK MENETAPKAN KELOMPOK MUTU KARET
PENERAPAN ALGORITMA K-MEANS UNTUK MENETAPKAN KELOMPOK MUTU KARET Handi Kurniawan Sohdianata 1, Sushermanto 2 Jurusan Teknik Informatika STMIK Banjarbaru 1, Jurusan Sistem Informasi STMIK Banjarbaru 2 Jl.
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah kemiskinan merupakan hal yang sangat kompleks. Di wilayah Kecamatan Bantul, seorang warga disebut sebagai keluarga miskin berdasarkan beberapa aspek seperti
Lebih terperinciKAMUS INGGRIS-INDONESIA BERBASIS J2ME
KAMUS INGGRIS-INDONESIA BERBASIS J2ME Lenny Ike C. M., Wiratmoko Yuwono, ST, Kholid Fathoni, S.Kom Jurusan Teknologi Informasi Politeknik Elektronika Negeri Surabaya Institut Teknologi Sepuluh Nopember
Lebih terperinciBAB I PENDAHULUAN. efektivitas dan efisiensi kerja tercapai. STIKOM Surabaya merupakan salah
BAB I PENDAHULUAN 1.1 Latar belakang masalah Solusi pemanfaatan teknologi komputer sebagai alat bantu dalam mendukung kegiatan operasional suatu bidang usaha memudahkan manusia dalam mendapatkan data atau
Lebih terperinciPengelompokan Data Guru Untuk Pemilihan Calon Pengawas Satuan Pendidikan Menggunakan Metode Fuzzy C-Means dan Kohonen Self Organizing Maps
Pengelompokan Data Guru Untuk Pemilihan Calon Pengawas Satuan Pendidikan Menggunakan Metode Fuzzy C-Means dan Kohonen Self Organizing Maps Muslem 1, Eko Mulyanto Yuniarno 2, I Ketut Eddy Purnama 3 Magister
Lebih terperinciRANCANG BANGUN SISTEM BILLING PADA INTERNET PROTOCOL TELEVISION (IPTV)
Page 1 of 6 RANCANG BANGUN SISTEM BILLING PADA INTERNET PROTOCOL TELEVISION (IPTV) Farah Ayu Bisono, Achmad Affandi Email : farah.vbee@yahoo.com, affandi@ee.its.ac.id Laboratorium Jaringan Telekomunikasi,
Lebih terperinciBAB I PENDAHULUAN. mempengaruhi peningkatan jumlah pengguna jaringan GSM (Global System for
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi yang semakin pesat akhir-akhir ini sangat mempengaruhi peningkatan jumlah pengguna jaringan GSM (Global System for Mobile Communications) yang
Lebih terperinciBAB I PENDAHULUAN. Indonesia, Tbk (Telkom) memiliki produk retail jasa
1 BAB I PENDAHULUAN 1.1 Latar Belakang Masalah PT Telekomunikasi Indonesia, Tbk (Telkom) memiliki produk retail jasa telekomunikasi yang dijual ke pelanggan, diantaranya produk Telepon (jasa telekomunikasi
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Berdasarkan Peraturan Pemerintah Nomor 37 tahun 2009, dosen merupakan pendidik profesional dan ilmuwan dengan tugas utama mentransformasikan, mengembangkan,
Lebih terperinciSIG PEMETAAN JENIS HAK ATAS TANAH
SIG PEMETAAN JENIS HAK ATAS TANAH Noventina Situmorang, Arif Basofi, Ira Prasetyaningrum Politeknik Elektronika Negeri Surabaya Institut Teknologi Sepuluh Nopember (ITS) Surabaya Kampus ITS keputih Sukolilo
Lebih terperinciANALISA CO-CHANNEL INTERFERENCE RATIO (CCIR) PADA SISTEM KOMUNIKASI SELULER MENGGUNAKAN ANTENA OMNI-DIREKSIONAL PADA DAERAH URBAN DAN SUB-URBAN
ANALISA O-HANNEL INTEFEENE ATIO (I) PADA SISTEM KOMUNIKASI SELULE MENGGUNAKAN ANTENA OMNI-DIEKSIONAL PADA DAEAH UBAN DAN SUB-UBAN Windy Transka Budy, Ari Wijayanti, Hani ah Mahmudah Jurusan Teknik Telekomunka
Lebih terperinciBAB 1 PENDAHULUAN 1-1
BAB 1 PENDAHULUAN 1. 1 Latar Belakang Masalah Era globalisasi dan teknologi informasi menciptakan ancaman sekaligus peluang bagi suatu negara. Dalam abad ini, informasi merupakan senjata ampuh yang paling
Lebih terperinciCLUSTERING PENCAPAIAN KARAKTER SISWA MENGGUNAKAN ALGORITMA K-MEANS
CLUSTERING PENCAPAIAN KARAKTER SISWA MENGGUNAKAN ALGORITMA K-MEANS Muhammad Toha, 1), I Ketut Edy Purnama 2) dan Surya Sumpeno 3) 1) Bidang Keahlian Telematika (Konsentrasi CIO) Jurusan Teknik Elektro
Lebih terperinciBAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Seiring dengan kemajuan pesat dalam dunia ilmu pengetahuan dan teknologi, bidang telekomunikasi juga mengalami kemajuan yang cukup pesat. Komunikasi merupakan
Lebih terperinciKLASTERISASI PROSES SELEKSI PEMAIN MENGGUNAKAN ALGORITMA K-MEANS
1 KLASTERISASI PROSES SELEKSI PEMAIN MENGGUNAKAN ALGORITMA K-MEANS (Study Kasus : Tim Hockey Kabupaten Kendal) Alith Fajar Muhammad Jurusan Teknik Informatika FIK UDINUS, Jl. Nakula No. 5-11 Semarang-50131
Lebih terperinciAnalisa Kinerja Alamouti-STBC pada MC CDMA dengan Modulasi QPSK Berbasis Perangkat Lunak
Analisa Kinerja Alamouti-STBC pada MC CDMA dengan Modulasi QPSK Berbasis Perangkat Lunak ABSTRAK Nur Hidayati Hadiningrum 1, Yoedy Moegiharto 2 1 Mahasiswa Politeknik Elektronika Negeri Surabaya, Jurusan
Lebih terperinciPerbandingan Metode Single Linkage dan Fuzzy C Means Untuk Pengelompokkan Trafik Internet
Perbandingan Metode Single dan Fuzzy C Means ntuk Pengelompokkan Trafik Internet Auliya Burhanuddin 1, Ema tami, Eko Pramono 3 1 Program Studi Teknik Informastika, Fakultas Teknik, niversitas Muhammadiyah
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1. Penelitian Terdahulu Penelitian-penelitian terdahulu yang berhubungan dengan clustering yaitu penelitian yang dilakukan oleh Rismawan (2008). Pada penelitian ini, dibangun suatu
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Muhammadiyah Surakarta merupakan salah satu dari beberapa instansi
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Universitas Muhammadiyah Surakarta merupakan salah satu dari beberapa instansi perguruan tinggi yang bergerak di bidang pendidikan, yang di dalamnya terdapat
Lebih terperinciKOMBINASI ALGORITMA AGGLOMERATIVE CLUSTERING DAN K-MEANS UNTUK SEGMENTASI PENGUNJUNG WEBSITE
KOMBINASI ALGORITMA AGGLOMERATIVE CLUSTERING DAN K-MEANS UNTUK SEGMENTASI PENGUNJUNG WEBSITE Yudha Agung Wirawan, Dra.Indwiarti,M.Si, Yuliant Sibaroni,S.SI., M,T Program Studi Ilmu Komputasi Fakultas Informatika
Lebih terperinciPREDIKSI INTENSITAS TRAFFIC MENGGUNAKAN DYNAMIC FORECASTING
PREDIKSI INTENSITAS TRAFFIC MENGGUNAKAN DYNAMIC FORECASTING Nora Puspita Syari, Mike Yuliana, ST.MT, Ronny Susetyoko, SSi, MSi Jurusan Teknik Telekomunkasi - Politeknik Elektronika Negeri Surabaya Institut
Lebih terperinciOPTIMASI PUSAT KLASTER MENGGUNAKAN ALGORITMA FAST GENETIC KMEAN PADA DATA BERDISTRIBUSI NORMAL
OPTIMASI PUSAT KLASTER MENGGUNAKAN ALGORITMA FAST GENETIC KMEAN PADA DATA BERDISTRIBUSI NORMAL Budi Nur Iman, Entin Martiana K, Umi Sa adah Politeknik Elektronika Negeri Surabaya (PENS), ITS Surabaya,
Lebih terperinciANALISA PERBANDINGAN METODE ROUTING DISTANCE VECTOR DAN LINK STATE PADA JARINGAN PACKET
ANALISA PERBANDINGAN METODE ROUTING DISTANCE VECTOR DAN LINK STATE PADA JARINGAN PACKET Vina Rifiani 1, M. Zen Samsono Hadi 2, Haryadi Amran Darwito 2 1 Mahasiswa Politeknik Elektronika Negeri Surabaya,
Lebih terperinciUNJUK KERJA NOISE RISE BASED CALL ADMISSION CONTROL (NB-CAC) PADA SISTEM WCDMA. Devi Oktaviana
UNJUK KERJA NOISE RISE BASED CALL ADMISSION CONTROL (NB-CAC) PADA SISTEM WCDMA Devi Oktaviana - 226649 Bidang Studi Telekomunikasi Multimedia Jurusan Teknik Elektro-FTI, Institut Teknologi Sepuluh Nopember
Lebih terperinciAdministrasi[sunting sunting sumber]
Call centre atau call center (dalam ejaan yang lain) merupakan suatu kantor informasi yang terpusat yang digunakan untuk tujuan menerima dan mengirimkan sejumlah besar permintaan melalui telepon. Call
Lebih terperinciAkses Informasi Pengiriman Barang Di Kantor Pos Jemur Sari Untuk Area Surabaya Timur Menggunakan Metode Ant Colony Optimization Berbasis J2ME
Akses Informasi Pengiriman Barang Di Kantor Pos Jemur Sari Untuk Area Surabaya Timur Menggunakan Metode Ant Colony Optimization Berbasis J2ME Neny Wahyuningdiyah 1, M.Zen Samsono Hadi 2, Mike Yuliana 2
Lebih terperinciIMPLEMENTASI GABUNGAN METODE HIERARCHY DAN ALGORITMA K-MEANS DALAM CLUSTER DOKUMEN BERITA TUGAS AKHIR
IMPLEMENTASI GABUNGAN METODE HIERARCHY DAN ALGORITMA K-MEANS DALAM CLUSTER DOKUMEN BERITA TUGAS AKHIR Sebagai Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas Muhammadiyah
Lebih terperinciPENGELOMPOKAN GAMBAR BERDASARKAN WARNA DAN BENTUK MENGGUNAKAN FGKA (FAST GENETIC KMEANS ALGORITHM) UNTUK PENCOCOKAN GAMBAR
PENGELOMPOKAN GAMBAR BERDASARKAN WARNA DAN BENTUK MENGGUNAKAN FGKA (FAST GENETIC KMEANS ALGORITHM) UNTUK PENCOCOKAN GAMBAR Farah Zakiyah Rahmanti 1, Entin Martiana K. 2, S.Kom, M.Kom, Nana Ramadijanti
Lebih terperinciMANAJEMEN INTERNET CONTENT DAN INTEGRASI APLIKASI UNTUK MENDUKUNG ENTERPRISE INFORMATION PORTAL EKSEKUTIF
MANAJEMEN INTERNET CONTENT DAN INTEGRASI APLIKASI EMAIL UNTUK MENDUKUNG ENTERPRISE INFORMATION PORTAL EKSEKUTIF D. Faroq Romdhoni 1, Rengga Asmara 2, Arif Basofi 2 Mahasiswa 1, Dosen Pembimbing 2 Politeknik
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perguruan tinggi merupakan suatu sarana dalam proses pembelajaran. Pembelajaran adalah proses interaksi mahasiswa dengan dosen dan sumber belajar pada lingkungan belajar.
Lebih terperinciIMPLEMENTASI DATA MINING PENGELOMPOKKAN MURID TAMAN KANAK-KANAK DENGAN METODE K-MEANS
JURNAL IMPLEMENTASI DATA MINING PENGELOMPOKKAN MURID TAMAN KANAK-KANAK DENGAN METODE K-MEANS Implementation Of Data Mining Grouping Kindergarten Pupils With K-Means Method Oleh: YOYOK BAGUS SAKSIKO 12.1.03.02.0132
Lebih terperinciPerancangan Sistem Pembagian Kelas Kuliah Mahasiswa dengan Kombinasi Metode K-Means dan K-Nearest Neighbors
Konferensi Nasional Sistem & Informatika 2017 STMIK STIKOM Bali, 10 Agustus 2017 Perancangan Sistem Pembagian Kelas Kuliah Mahasiswa dengan Kombinasi Metode K-Means dan K-Nearest Neighbors Gede Aditra
Lebih terperinciBAB I PENDAHULUAN. atau masyarakat. Baik secara langsung maupun tidak langsung.
1 BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Seiring dengan perkembangan teknologi informasi yang amat pesat, penyampaian informasi yang cepat akurat dan terpercaya saat ini sudah menjadi kebutuhan pokok
Lebih terperinciAPLIKASI CUSTOMER RELATIONSHIP MANAGEMENT (CRM) PADA BALAI KESEHATAN MASYARAKAT (BKM) MUSLIMAT KEPANJEN
APLIKASI CUSTOMER RELATIONSHIP MANAGEMENT (CRM) PADA BALAI KESEHATAN MASYARAKAT (BKM) MUSLIMAT KEPANJEN Agustina Sulkanawatul 1, Hendra Pradibta 2, Indra Dharma Wijaya 3 1,2,3 Teknik Informatika, Teknologi
Lebih terperinci